CN103226808A - 一种图像增强方法和系统 - Google Patents
一种图像增强方法和系统 Download PDFInfo
- Publication number
- CN103226808A CN103226808A CN2012100207671A CN201210020767A CN103226808A CN 103226808 A CN103226808 A CN 103226808A CN 2012100207671 A CN2012100207671 A CN 2012100207671A CN 201210020767 A CN201210020767 A CN 201210020767A CN 103226808 A CN103226808 A CN 103226808A
- Authority
- CN
- China
- Prior art keywords
- image
- filtering
- enhancing
- function
- parametric line
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Images
Abstract
本发明提供了一种图像增强方法和系统,所述图像增强系统包括:图像采集系统,用于采集成像设备的原始图像;图像后处理系统,用于基于参数分布图像和增强参数曲线函数对所述图像采集系统采集到的原始图像进行滤波增强;图像显示系统,用于显示经过所述图像后处理系统进行滤波增强的图像。本发明将多尺度图像处理技术和增强算法技术相结合,构建图像滤波增强算法,同时构建滤波参数模型,该滤波参数模型结合图像的局部特征,对不同大小纹理或者噪声采用渐变的处理参数。实施本发明,可以在有效降低噪声的同时对细节纹理进行增强。
Description
技术领域
本发明涉及通信技术领域,尤其涉及一种图像增强方法和系统。
背景技术
提高图像信噪比,即图像质量的技术有两大类,第一类通过提升图像获取设备技术,第二类是通过图像后处理技术。其中,第一类方法的成本很高,而且往往需要增加图像获取时间,增大所需射线剂量或者磁场强度等等,从而可能导致对目标,例如对人体组织的不良影响很大。第二类方法采用合适的图像平滑、去噪技术能够有效的改善图像质量。图像平滑、去噪是最基本和最重要的图像处理技术之一。图像去噪的基本原理是用某种滤波器滤除图像中的噪声,同时尽量使图像的内容保持不变,特别是一些细节结构,如边缘、线条等。图像滤波分为两部分:1、增强边缘、纹理的局部对比,同时增大噪声信号;2、对噪声区域进行平滑处理,但是不能损失边缘信息。
图像滤波技术有很多种,近些年研究人员提出了许多各种各样复杂的非线性滤波算法,其中基于偏微分方程(PDEs:Partial Difference Equations)的方法,尤其是Perona 和 Malik 提出的各向异性扩散滤波应用非常广泛。
利用模拟扩散来处理图像源于以高斯函数为基础的多尺度分析。Witkin最初注意到信号与每个尺度下的高斯卷积等价于求解一个初始值给定信号的热扩散方程。针对图像处理,该过程可以看做对图像 的尺度分析过程等价于求解下面这样一个扩散方程:
其中为扩散传导率,用以描述该扩散过程在扩散方向上的扩散速度。如果取不同的函数如梯度的线性函数,梯度的非线性函数等,可以得到不同的滤波方法和效果,例如线性扩散滤波、非线性扩散滤波、各向异性扩散滤波、一致性扩散滤波等等。
其中,线性扩散滤波会导致边缘的模糊,导致图像增强效果差,因此很少被应用到实际的图像处理技术中。
非线性扩散滤波可以同时达到降噪和增强的效果,但由于其过于简单,可控制性差,实际应用中受到限制。
各向异性扩散滤波和一致性扩散滤波算法是目前实际应用中比较常用的两种图像滤波增强算法。
近年来,对图像增强算法的改进着重于对于图像的不同区域采用不同的滤波算法或者滤波参数进行处理。大多数算法是根据图像的梯度或者图像局部的噪声大小等,结合一定的阈值,对图像中的不同区域采用不同的增强算法。该类算法过度依赖于设定的阈值参数,容易造成图像增强结果的突变。同时由于图像中同样大小的梯度等参数代表的意义不同,同样大小的梯度,在个别区域是噪声,在有的区域可能是所需要的组织结构纹理,整场采用同样的阈值,可能导致损失部分信息或者凸显噪声。
发明内容
本发明提供一种图像增强方法和系统,可以有效降低噪声的同时对图像中的细节纹理进行增强。
为实现上述发明目的,本发明提供了一种图像增强系统,包括:
图像采集系统,用于采集成像设备的原始图像;
图像后处理系统,用于基于参数分布图像和增强参数曲线函数对所述图像采集系统采集到的原始图像进行滤波增强;
图像显示系统,用于显示经过所述图像后处理系统进行滤波增强的图像。
相应的,本发明还提供了一种图像增强方法,包括:
采集成像设备的原始图像;
基于参数分布图像和增强参数曲线函数对所述采集到的原始图像进行滤波增强;
显示所述经过滤波增强的图像。
本发明将多尺度图像处理技术和增强算法技术相结合,构建图像滤波增强算法,同时构建滤波参数模型,该滤波参数模型结合图像的局部特征,对不同大小纹理或者噪声采用渐变的处理参数。实施本发明,可以在有效降低噪声的同时对细节纹理进行增强。
附图说明
图1为本发明提供的图像增强系统实施例一的结构示意图;
图2为本发明提供的图像增强系统实施例二的结构示意图;
图3为本发明提供的图像增强系统实施例三的结构示意图;
图4为本发明提供的图像增强方法实施例一的流程示意图;
图5为本发明提供的图像增强方法实施例二的流程示意图;
图6为本发明提供的图像增强方法实施例三的流程示意图;
图7为本发明提供的图像增强方法实施例四的流程示意图;
图8为本发明提供的图像增强方法实施例五的流程示意图;
图9为本发明提供的图像增强方法中的增强参数曲线函数实施例一的示意图;
图10为本发明提供的图像增强方法中的增强参数曲线函数实施例二的示意图;
图11为本发明提供的图像增强方法中的基于参数分布图像的直方图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚,下面将结合本发明实施例,对本发明实施例中的技术方案进行清楚、完整地描述。需要说明的是,在附图或说明书中,相似或相同的元件使用相同的附图标记。
采用图像后处理算法对图像进行增强和降噪能够有效的改善图像的信噪比。目前典型医院成像设备,比如CT、MRI和超声等都可以对人体的多个部位进行成像,为临床诊断提供不同成像参数状态下的多种形式的图像。不同人在相同的成像设备和成像参数下获得图像可能存在很大的差异,因此采用成像设备上自带的图像滤波技术和滤波参数经常不能获得理想的处理效果。因此本发明提出了一种模型控制的图像增强系统,有效进行图像滤波处理的同时,可以提供有效的图像滤波控制。基于该图像增强系统用户可根据个人需求,调节滤波控制系统,获得所需图像增强效果的图像,并存储所设定的增强参数;
以下将详细描述本发明实施例的实现过程,在以下的实施例中,以输入图像为二维为例进行说明,但本发明同样适用于三维图像数据。
参见图1,图1为本发明提供的图像增强系统实施例一的结构示意图。
本实施例一提供的图像增强系统,包括:
图像采集系统10,用于采集成像设备的原始图像;
图像后处理系统11,用于基于参数分布图像和增强参数曲线函数对所述图像采集系统采集到的原始图像进行滤波增强;
图像显示系统12,用于显示经过所述图像后处理系统进行滤波增强的图像。
参见图2,为本发明提供的图像增强系统实施例二的结构示意图。
本实施例二中,将详细描述图像后处理系统11的功能和结构,其包括:
参数分布图像获取模块110,用于获取代表所述原始图像的局部纹理信息的参数分布图像;
参数曲线函数构造模块111,用于构造对所述原始图像进行滤波增强的增强参数曲线函数;
滤波增强模块112,用于基于所述参数分布图像获取模块110获取的参数分布图像和所述参数曲线函数构造模块111构造的增强参数曲线函数对所述获取到的原始图像进行滤波增强。
在具体实现过程中,在滤波增强模块112对原始图像进行滤波增强有两种实现方式:
第一种:首先由参数分布图像获取模块110获取代表原始图像的局部纹理信息的参数分布图像之后,再由参数曲线函数构造模块111根据参数分布图像构造对原始图像进行滤波增强的增强参数曲线函数,最后由滤波增强模块112基于参数分布图像和增强参数曲线函数对原始图像进行滤波增强。
第二种:首先由参数曲线函数构造模块111构造对原始图像进行滤波增强的增强参数曲线函数,设定该增强参数曲线函数的参数和该函数的曲线形状之后,再由参数分布图像获取模块110获取代表原始图像的局部纹理信息的参数分布图像,最后由滤波增强模块112基于参数分布图像和增强参数曲线函数对原始图像进行滤波增强。
以下将详细描述本发明提供的图像增强系统实现滤波增强的实现过程。
为了获得更好的增强滤波效果,采用多尺度对原始图像进行分解,在分解的过程中在每一个尺度上,使用图2中参数分布图像获取模块110、参数曲线函数构造模块111、滤波增强模块112三个模块对每一个尺度的图像进行图像处理。对于每个尺度下的图像,参数分布图像获取模块110还计算该尺度下图像的纹理分布特征,也即计算局部参数。而参数曲线函数构造模块111构造用于该尺度下对图像进行滤波增强的增强参数曲线函数。
所述滤波增强模块112基于由参数曲线函数构造模块111构造的增强参数曲线函数,对该尺度的图像不同的滤波增强。
需要说明的是,进行多尺度分解和升采样重建流程是本领域技术人员熟知的技术,在图像处理领域为广泛应用的方法,在此不再赘述。
参见图3,图3为本发明提供的图像增强系统实施例三的结构示意图。
本发明提供的图像增强系统除包括图像采集系统10,图像后处理系统11以及图像显示系统12之外,还包括参数控制系统13。
本发明提供的图像增强系统的图像后处理系统11采用参数曲线进行增强参数控制可以方便用户输入调整增强参数,能够直接显示不同纹理区域的增强程度。但是在默认增强效果不够理想时,需要通过参数控制系统13进行调节参数曲线函数。图像显示系统12可以同时对比显示滤波前、后的图像,即参数调节系统13修改了增强参数后,图像显示系统12显示更改参数后的图像处理结果。
需要说明的是,如图2和图3所示的图像增强系统中,所述参数分布图像获取模块110具体用于基于所述原始图像的梯度图构建参数分布图像;或基于计算像素点邻域的像素亮度标准构建参数分布图像。
具体的,在一种实施例中,在参数分布图像获取模块110计算原始图像的局部参数的时候,首先计算图像各个方向的梯度图像,并且对梯度图形进行平滑处理,获得梯度图Ix,Iy。本领域普通技术人员熟知,梯度图像在很多文献中用于表示图像的局部纹理特性。然后,参数分布图像获取模块110再根据公式P=构建参数分布图像。参数分布图像P表示图像的局部纹理的大小特性,基于参数分布图像P可以控制图像中局部每一点的增强算法和增强参数。
在另一种实施例中,参数分布图像获取模块110获取的参数分布图像P是基于计算像素点邻域的像素亮度标准差来构建的。参数分布图像获取模块110还可以直接把参数分布图像的像素数值设定为图像的像素亮度,即直接基于像素亮度对不同图像区域进行不同的增强计算。在后续的方法实施例中将进一步描述。
另外,如图2和图3所示的图像增强系统中,所述参数曲线函数构造模块111构造的增强参数曲线函数为光滑曲线函数或基于阈值的固定增强强度函数。
具体的,根据统计得到的由前述参数分布图像获取模块110获取到的参数分布图像P的最大值Pmax,最小值Pmin,参数曲线函数构造模块111构建基于参数分布图像的增强参数曲线函数f(P)。通过该增强参数曲线函数f(P),控制滤波增强模块112在滤波增强过程中对不同大小纹理的图像像素点的增强程度。
理论上参数曲线函数构造模块111构建的增强参数曲线函数可以是定义在[Pmin,Pmax] 的范围内,值域在[-1,1]的函数。例如:
在一种实施例中,参数曲线函数构造模块111构造的增强参数曲线函数为一个光滑曲线函数:
其中lo,hi为需要输出数据的最小、最大值;slope为曲线变化控制参数;Gscale为曲线变化中心参数。采用光滑的曲线函数,可以使得图像中各个像素的增强程度随着局部纹理特性逐渐变化。增强参数曲线函数为光滑曲线函数的具体实现过程在后续的方法实施例中将详细描述。
在另一种实施例中,参数曲线函数构造模块111构造的增强参数曲线函数是下面基于阈值的固定增强强度函数:
参见图4,为本发明提供的图像增强方法实施例一的流程示意图。
本实施例一提供的图像增强方法,包括:
步骤100,采集成像设备的原始图像;
步骤101,基于参数分布图像和增强参数曲线函数对所述采集到的原始图像进行滤波增强;
步骤102,显示所述经过滤波增强的图像。
需要说明的是,上述步骤101,基于参数分布图像和增强参数曲线函数对所述采集到的原始图像进行滤波增强的过程具体有两种实现方式,以下将结合图5和图6分别说明。
参见图5,为本发明提供的图像增强方法实施例二的流程示意图。
本实施例二提供的图像增强方法将详细描述基于参数分布图像和增强参数曲线函数对所述采集到的原始图像进行滤波增强的过程,包括:
步骤200,获取代表所述原始图像的局部纹理信息的参数分布图像;
步骤201,构造基于所述参数分布图像的增强参数曲线函数;
步骤202,基于所述参数分布图像和所述增强参数曲线函数对所述获取到的原始图像进行滤波增强。
参见图6,为本发明提供的一种图像增强方法实施例三的流程示意图。
本实施例三提供的图像增强方法将详细描述基于参数分布图像和增强参数曲线函数对所述采集到的原始图像进行滤波增强的过程,包括:
步骤300,设定增强参数曲线函数的参数和该函数的曲线形状;
步骤301,获取代表所述原始图像的局部纹理信息的参数分布图像;
步骤302,基于所述参数分布图像和所述增强参数曲线函数对所述获取到的原始图像进行滤波增强。
实施上述图5和图6对应的图像增强方法采用参数曲线进行增强参数控制可以方便用户输入调整增强参数,能够直接显示不同纹理区域的增强程度。但是在默认增强效果不够理想时,需要手动调节参数曲线函数。图像显示的时候可以同时对比显示滤波前、后的图像,以便得到理想的增强效果。以下将结合图7详细描述其实现过程:
参见图7,为本发明提供的图像增强方法实施例四的流程示意图。
本实施例四提供的图像增强方法中,描述基于参数分布图像和增强参数曲线函数对所述采集到的原始图像进行滤波增强的过程,包括:
步骤400,获取代表所述原始图像的局部纹理信息的参数分布图像;
步骤401,构造基于所述参数分布图像的增强参数曲线函数;
步骤402,计算所述原始图像的参数控制图像,基于该参数控制图像控制所述增强参数曲线函数;
步骤403,基于所述参数分布图像和所述增强参数曲线函数对所述获取到的原始图像进行滤波增强。
需要说明的是,上述图5、图6、图7所示的实施例中,构建参数分布图像在具体实现过程中,可以基于所述原始图像的梯度图构建,或者基于计算像素点邻域的像素亮度标准构建。
具体的,在一种实施例中,在构建参数分布图像的时候,首先计算图像各个方向的梯度图像,并且对梯度图形进行平滑处理,获得梯度图Ix,Iy。本领域普通技术人员熟知,梯度图像在很多文献中用于表示图像的局部纹理特性。然后,再根据公式P=构建参数分布图像。参数分布图像P表示图像的局部纹理的大小特性,基于参数分布图像P可以控制图像中局部每一点的增强算法和增强参数。
在另一种实施例中,构建参数分布图像P是基于计算像素点邻域的像素亮度标准差来构建的,还可以直接把参数分布图像的像素数值设定为图像的像素亮度,即直接基于像素亮度对不同图像区域进行不同的增强计算。
以下将以第一种基于图像的梯度图构建参数分布图像P为例,说明本发明的实现过程。基于计算像素点邻域的像素亮度标准差构建参数分布图像P原理相同,在此不再赘述。
具体的,参见图8,为本发明提供的图像增强方法实施例五的流程示意图。
本实施例中,将详细描述基于参数分布图像和增强参数曲线函数对所述采集到的原始图像进行滤波增强的过程,包括:
步骤500,首先根据输入的增强参数曲线函数,对采集到的原始图像进行多尺度分解,把原始图像分解成金字塔式,获得不同尺度下的图像数据,在分解的过程中根据输入的增强参数曲线函数对每一尺度进行后续环节增强。
步骤501,对于每个尺度下的图像,计算该尺度下图像的参数分布图像,也即该图像的纹理分布特征。
步骤502,对于每个尺度的图像进行增强。具体的,对下采样后较小的图像进行增强,获得增强结果用于升采样或者结果图像显示;
步骤503,对增强后的图像进行图像升采样。然后对升采样后的图像进行滤波增强,直到获得原始尺度图像。
步骤504,如果滤波增强效果不够理想,则对增强参数曲线进行手动调节;然后转入步骤500,继续执行步骤500至步骤503的图像分解和根据增强参数曲线函数进行滤波增强的过程。
优选的实施例中,步骤502中对多尺度图像进行滤波增强采用的是一致性扩散滤波的方法对每一层尺度的图像进行增强操作。一致性扩散滤波的主要思想是通过计算局部图像的结构张量得到局部图像的结构特征信息,主要包括边缘的法线方向,即灰度变化最大的方向,以及切线方向,即灰度变化最小的方向,然后通过改变扩散滤波过程中的扩散方向和控制不同方向上的扩散速度,来达到滤波增强的目的。
一致性扩散滤波算法等价于求解如下方程:
结构张量主要是基于图像局部信息的张量(Tensor)矩阵来进行计算的,结构张量矩阵的构建方法如下:
在步骤502,对图像滤波增强的过程中,要达到对已有边缘方向进行增强的同时,对沿着边缘方向进行平滑的目的,本发明是通过改变扩散过程中的扩散方向并控制不同方向上的扩散的速度实现的。扩散滤波中改变扩散的方向是通过对公式(2)中的结构张量矩阵进行改造来实现的,即把该矩阵分解成一个对角矩阵左、右乘以一个正交矩阵的形式,如下:
其中为预设的与局部信息有关的函数,用以分别控制扩散的方向,这两个向量为公式(2)中矩阵的单位特征向量。当为正值是表示扩散为正向扩散,即对图像进行平滑;当为负数表示扩散为逆向扩散,即对图像进行边缘增强。的取值可以和结构张量矩阵的特征值相关、可以和局部灰度信息相关、可以和局部统计信息相关、可以和局部梯度信息相关,可以根据不同要求设计不同的非线性函数。
上述图5、图6、图7和图8所示的实施例中,对图像进行滤波增强的步骤中所使用的增强参数曲线函数可以为光滑曲线函数或,也可以是基于阈值的固定增强强度函数。
具体的,根据上述实施例得到的参数分布图像P的大小,可以统计得到的参数分布图像P的最大值Pmax,最小值Pmin,进而可以构建基于参数分布图像的增强参数曲线函数f(P)。通过该增强参数曲线函数f(P),控制增强过程中不同纹理大小的图像像素点的增强程度。
理论上增强参数曲线函数可以是定义在[Pmin,Pmax] 的范围内,值域在[-1,1]的函数。例如:
优选的实施例中,增强参数曲线函数为一个光滑曲线函数:
其中lo,hi为需要输出数据的最小、最大值;slope为曲线变化控制参数;Gscale为曲线变化中心参数。采用光滑的曲线函数,可以使得图像中各个像素的增强程度随着局部纹理特性逐渐变化。
在另一种实施例中,增强参数曲线函数是下面基于阈值的固定增强强度函数:
以下将结合图9,图10和图11详细描述本发明提供的图像增强方法的实施例。
图9为本发明提供的图像增强方法中的增强参数曲线函数实施例一的示意图;图10为本发明提供的图像增强方法中的增强参数曲线函数实施例二的示意图;图11为本发明提供的图像增强方法中的基于参数分布图像的直方图。
在上述公式(3)中, 代表的是滤波增强过程中的特性不同,其中一般表示延边缘方向的平滑处理参数,一般为正数值越大表示平滑强度越大。而表示垂直边缘方向的处理参数,大于0时表示对该边缘的平滑,即减小边缘,进行降噪处理,当时表示对边缘进行增强,数值越小,增强程度越大。假设参数图像P的数值范围在[0,1000]。如图9所示,设定的增强参数曲线函数为一般光滑曲线函数,公式(5)中 ,各个参数的取值为:lo=0、hi=0.6、slope=0.005、Scale =300。hi=0.6,该参数表示了图像沿边缘方向的最大平滑程度参数,可见平滑参数在不同大小纹理间平滑过度,保证图像增强过程中各个部分自然、一致。设定的曲线参数为lo=0.5、hi=-0.6、slope = 0.005、Scale=300,如图10所示参数曲线,基于该参数图像增强过程中对小于Gscale的纹理进行平滑,对大于Gscale的纹理进行增强,不会出现平滑与增强的剧烈突变。
上述曲线函数中的参数需要对多尺度增强中的每个尺度图像进行滤波增强。其中参数Gscale可以为输入参数,同时可以基于如图11所示的参数分布图像P的直方图自动生成。例如基于P的直方图对参数分布图像P中数值最小的5%所在位置作为Gscale参数。该参数表示对图像中纹理大小小于Gscale的区域进行降噪处理,对大于Gscale的进行增强和边缘平滑。
为了增强曲线函数对图像的适应性,对图像中的不同区域采用不同的增强参数,即优化参数曲线函数,主要是优化Gscale参数。本发明构建参数控制图像Q,参数控制图像Q需要保证局部纹理一致的区域采用相同的处理程度、处理参数。基本的构造方法是对参数分布图像P进行较大的平滑,基于平滑后结果把图像分割成若干局部纹理大小一致的若干区域,保留3-5个联通区域。对上述若干联通区域设定不同的Gscale参数。参数控制图像Q,可以不基于参数分布图像进行生成,直接基于输入图像像素的亮度,把图像分成若干联通区域,对不同区域采用不同的增强参数Gscale。构建参数控制图像Q的第一步是把目标图像区域和背景区域进行分割,对背景区域进行降噪滤波,即设定Gscale=0。然后对目标区域进行分割,把目标区域基于纹理大小和图像亮度分割成若干一致区域,对亮度高,纹理较小区域,设定较小的Gscale,同时增大增强程度控制参数lo,hi,即增加对细小纹理的增强。对亮度小,纹理较小的区域设定较大的Gscale,同时较小的增强程度控制参数lo,hi。即对该区域较大的纹理进行增强,增强程度较小。对纹理较大的区域,设定较大的Gscale,和较小的增强程度控制参数lo,hi,即对纹理大的区域进行较小的对比增强,主要进行沿边缘方向的平滑,同时抑制较小的纹理。
综上所述,本发明提出的一种图像增强方案,对不同区域的图像采用不同的滤波方案和滤波参数。该滤波技术可以应用到各种图像的滤波降噪中去,尤其是医学图像的滤波降噪,例如:MRI图像、CT图像以及超声图像等等。
最后应说明的是:以上实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。
Claims (13)
1.一种图像增强系统,其特征在于,包括:
图像采集系统,用于采集成像设备的原始图像;
图像后处理系统,用于基于参数分布图像和增强参数曲线函数对所述图像采集系统采集到的原始图像进行滤波增强;
图像显示系统,用于显示经过所述图像后处理系统进行滤波增强的图像。
2.如权利要求1所述图像增强系统,其特征在于,所述图像后处理系统,包括:
参数分布图像获取模块,用于对原始图像进行多尺度分解,并获取代表所述原始图像的局部纹理信息的参数分布图像;
参数曲线函数构造模块,用于基于不同尺度下的所述参数分布图像构造增强参数曲线函数;
滤波增强模块,用于基于所述参数分布图像获取模块获取的每一个尺度的参数分布图像和所述参数曲线函数构造模块构造的增强参数曲线函数对所述获取到的每一个尺度上的原始图像进行滤波增强。
3.如权利要求2所述图像增强系统,其特征在于,所述图像后处理系统,还包括:
参数控制系统,用于计算所述原始图像的参数控制图像,基于该参数控制图像控制所述参数曲线函数构造的增强参数曲线函数。
4.如权利要求2或3所述的图像增强系统,其特征在于,所述参数分布图像获取模块具体用于基于所述原始图像的梯度图构建参数分布图像;或基于计算像素点邻域的像素亮度标准差构建参数分布图像。
5.如权利要求2或3所述的图像增强系统,其特征在于,所述参数曲线函数构造模块构造的增强参数曲线函数为光滑曲线函数或基于阈值的固定增强强度函数。
6.如权利要求1或2所述的所述的图像增强方法,其特征在于,所述图像显示系统用于对比显示原始图像和所述经过滤波增强的图像。
7.一种图像增强方法,其特征在于,包括:
采集成像设备的原始图像;
基于参数分布图像和增强参数曲线函数对所述采集到的原始图像进行滤波增强;
显示所述经过滤波增强的图像。
8.如权利要求7所述的图像增强方法,其特征在于,所述基于参数分布图像和增强参数曲线函数对所述采集到的原始图像进行滤波增强,包括:
对原始图像进行多尺度分解,获取代表所述原始图像的局部纹理信息的参数分布图像;
基于不同尺度下的所述参数分布图像构造增强参数曲线函数;
基于每一个尺度的参数分布图像和所述增强参数曲线函数,对所述获取到每一个尺度上的原始图像进行滤波增强。
9.如权利要求8所述的图像增强方法,其特征在于,所述增强参数曲线函数为针对不同尺度的原始图像设定的不同参数曲线函数。
10.如权利要求9所述的图像增强方法,其特征在于,所述基于每一个尺度的参数分布图像和所述增强参数曲线函数,对所述获取到每一个尺度上的原始图像进行滤波增强,包括:
对于同一尺度的原始图像,多次重复设定所述增强参数曲线函数对该尺度的原始图像进行滤波增强,并在每一次修改所述增强参数曲线函数后,显示对应的原始图像的滤波增强结果。
11.如权利要求7至10中任一项所述的图像增强方法,其特征在于,所述显示所述经过滤波增强的图像包括:
对比显示原始图像和所述经过滤波增强的图像。
12.如权利要求7至10中任一项所述的图像增强方法,其特征在于,所述参数分布图像基于所述原始图像的梯度图构建,或基于计算像素点邻域的像素亮度标准构建。
13.如权利要求7至10中任一项所述的图像增强方法,其特征在于,所述增强参数曲线函数为光滑曲线函数或基于阈值的固定增强强度函数。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201210020767.1A CN103226808B (zh) | 2012-01-30 | 2012-01-30 | 一种图像增强方法和系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201210020767.1A CN103226808B (zh) | 2012-01-30 | 2012-01-30 | 一种图像增强方法和系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN103226808A true CN103226808A (zh) | 2013-07-31 |
CN103226808B CN103226808B (zh) | 2016-09-21 |
Family
ID=48837243
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201210020767.1A Active CN103226808B (zh) | 2012-01-30 | 2012-01-30 | 一种图像增强方法和系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN103226808B (zh) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107027018A (zh) * | 2017-04-19 | 2017-08-08 | 西安诺瓦电子科技有限公司 | 图像处理方法及装置和发送卡 |
CN108734079A (zh) * | 2018-02-07 | 2018-11-02 | 陈波 | 图像大数据即时分析方法 |
CN108765332A (zh) * | 2018-05-23 | 2018-11-06 | 成都信息工程大学 | 一种椭圆搜索窗口和参数自适应的非局部均值去噪方法 |
CN108876733A (zh) * | 2018-05-30 | 2018-11-23 | 上海联影医疗科技有限公司 | 一种图像增强方法、装置、设备和存储介质 |
CN112488933A (zh) * | 2020-11-26 | 2021-03-12 | 有半岛(北京)信息科技有限公司 | 一种视频的细节增强方法、装置、移动终端和存储介质 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5949918A (en) * | 1997-05-21 | 1999-09-07 | Sarnoff Corporation | Method and apparatus for performing image enhancement |
US20050031200A1 (en) * | 2003-08-09 | 2005-02-10 | Samsung Electronics Co., Ltd. | Black and white stretching system and method for improving contrast of a picture |
CN1698540A (zh) * | 2004-05-17 | 2005-11-23 | Ge医疗系统环球技术有限公司 | 图像处理方法、图像处理系统以及x-射线ct系统 |
TW200737948A (en) * | 2006-03-23 | 2007-10-01 | Novatek Microelectronics Corp | Method for processing brightness of an image and related device |
CN101877123A (zh) * | 2009-12-03 | 2010-11-03 | 北京中星微电子有限公司 | 一种图像增强方法和装置 |
-
2012
- 2012-01-30 CN CN201210020767.1A patent/CN103226808B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5949918A (en) * | 1997-05-21 | 1999-09-07 | Sarnoff Corporation | Method and apparatus for performing image enhancement |
US20050031200A1 (en) * | 2003-08-09 | 2005-02-10 | Samsung Electronics Co., Ltd. | Black and white stretching system and method for improving contrast of a picture |
CN1698540A (zh) * | 2004-05-17 | 2005-11-23 | Ge医疗系统环球技术有限公司 | 图像处理方法、图像处理系统以及x-射线ct系统 |
TW200737948A (en) * | 2006-03-23 | 2007-10-01 | Novatek Microelectronics Corp | Method for processing brightness of an image and related device |
CN101877123A (zh) * | 2009-12-03 | 2010-11-03 | 北京中星微电子有限公司 | 一种图像增强方法和装置 |
Cited By (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107027018A (zh) * | 2017-04-19 | 2017-08-08 | 西安诺瓦电子科技有限公司 | 图像处理方法及装置和发送卡 |
CN108734079A (zh) * | 2018-02-07 | 2018-11-02 | 陈波 | 图像大数据即时分析方法 |
CN108765332A (zh) * | 2018-05-23 | 2018-11-06 | 成都信息工程大学 | 一种椭圆搜索窗口和参数自适应的非局部均值去噪方法 |
CN108765332B (zh) * | 2018-05-23 | 2022-05-06 | 成都信息工程大学 | 一种椭圆搜索窗口和参数自适应的非局部均值去噪方法 |
CN108876733A (zh) * | 2018-05-30 | 2018-11-23 | 上海联影医疗科技有限公司 | 一种图像增强方法、装置、设备和存储介质 |
CN108876733B (zh) * | 2018-05-30 | 2021-11-09 | 上海联影医疗科技股份有限公司 | 一种图像增强方法、装置、设备和存储介质 |
US11599982B2 (en) | 2018-05-30 | 2023-03-07 | Shanghai United Imaging Healthcare Co., Ltd. | Systems and methods for image processing |
CN112488933A (zh) * | 2020-11-26 | 2021-03-12 | 有半岛(北京)信息科技有限公司 | 一种视频的细节增强方法、装置、移动终端和存储介质 |
WO2022111269A1 (zh) * | 2020-11-26 | 2022-06-02 | 百果园技术(新加坡)有限公司 | 视频的细节增强方法、装置、移动终端和存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN103226808B (zh) | 2016-09-21 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Tang et al. | Bi-histogram equalization using modified histogram bins | |
CN102819826B (zh) | 降噪方法 | |
CN103226808A (zh) | 一种图像增强方法和系统 | |
CN101576997B (zh) | 基于二次三维区域生长的腹部器官分割方法 | |
CN110211058A (zh) | 一种医学影像的数据增强方法 | |
CN107833231B (zh) | 医学图像显示方法、装置和计算机存储介质 | |
Analoui | Radiographic image enhancement. Part I: spatial domain techniques | |
CN102096909B (zh) | 基于对数图像处理模型的改进的反锐化掩模图像增强方法 | |
US11151414B2 (en) | Training image enhancement model and enhancing image | |
CN106683061B (zh) | 一种基于修正的多尺度retinex算法对医疗图像进行增强的方法 | |
CN105118067A (zh) | 一种基于高斯平滑滤波的图像分割方法 | |
US20220084305A1 (en) | Systems and methods for image processing | |
Bhairannawar | Efficient medical image enhancement technique using transform HSV space and adaptive histogram equalization | |
Zhou et al. | New improved optimized method for medical image enhancement based on modified shark smell optimization algorithm | |
Mahmoud et al. | Segmentation of skin cancer images based on gradient vector flow (GVF) snake | |
Al-Ameen | Contrast enhancement of medical images using statistical methods with image processing concepts | |
CN103702116A (zh) | 一种图像的宽动态压缩方法和装置 | |
CN104240271A (zh) | 医用图像处理装置 | |
Gamini et al. | Homomorphic filtering for the image enhancement based on fractional-order derivative and genetic algorithm | |
Subramani et al. | Optimal Bezier curve modification function for contrast degraded images | |
Shin et al. | Rendering high dynamic range images by using integrated global and local processing | |
Khudhair et al. | A novel medical image enhancement technique based on hybrid method | |
CN104778672B (zh) | 一种混合双边图像滤波方法 | |
CN104200446B (zh) | 一种dr影像对比度均衡的方法及系统 | |
Singh et al. | Image enhancement by adaptive power-law transformations |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant | ||
EE01 | Entry into force of recordation of patent licensing contract | ||
EE01 | Entry into force of recordation of patent licensing contract |
Application publication date: 20130731 Assignee: Shenzhen Mindray Animal Medical Technology Co.,Ltd. Assignor: SHENZHEN MINDRAY BIO-MEDICAL ELECTRONICS Co.,Ltd. Contract record no.: X2022440020009 Denomination of invention: An image enhancement method and system Granted publication date: 20160921 License type: Common License Record date: 20220804 |